中国工程建设标准双语术语库
数据集简介
核心亮点
该术语库面向中英双向翻译、标准查阅、涉外合同编制与大模型微调等场景,提供条款级可溯源的中国工程建设标准双语术语检索。与一般词表不同,每条术语都保留了它出自哪一部标准、哪一条条款,便于在工程文档与合同文本中回溯核对。
- 条款级溯源:每条术语均带条款编号与标准号,可定位到具体条文。
- 双向最优去重表:除全量术语表外,另提供中译英、英译中两张最优去重表,方便直接用于翻译与检索。
- 多领域覆盖:术语横跨水文、电力、结构、暖通、铁路、岩土、城市公共交通、生态环保等工程门类。
- 开箱即用:同时提供 SQLite 数据库、JSON Lines 全量数据与统计报告,并配有查询工具与代码示例。
目录结构
仓库按数据、示例与工具分区组织,主要文件如下:
| 路径 | 说明 |
|---|---|
data/standard_term_bank.sqlite |
核心 SQLite 数据库,约 11MB |
data/standard_terms_all.jsonl |
全量术语 JSON Lines 数据集 |
data/standard_terms_report.json |
32 部标准的提取质量与分类统计报告 |
examples/quickstart.py |
Python 直连 SQLite 示例 |
query.py |
交互式双语查询命令行工具 |
快速上手(命令行查询 CLI Tool)
仓库根目录的 query.py 提供交互式双语查询入口,下载仓库后即可在本地运行,按中文或英文术语进行检索。查询结果对应 terms 表中的字段,包括中文术语、英文术语、条款编号、领域标签与标准号等,便于快速核对术语出处。
Python 代码集成
examples/quickstart.py 演示了如何用 Python 直接连接 data/standard_term_bank.sqlite 并读取术语。由于数据以标准 SQLite 文件形式提供,也可用任意支持 SQLite 的语言或工具接入;若偏好文本流水线,则可直接读取 data/standard_terms_all.jsonl 逐行处理。
数据库设计 (Schema)
数据库围绕三张表组织:
terms表:全量术语,字段为id、zh、en、zh_key、en_key、clause、domain、source_name、standard_code、standard_level、trust_score。其中zh_key、en_key为归一化检索键,trust_score为权威度评分。zh_to_en_best表:中译英最优去重表,含其他备选列表 JSON。en_to_zh_best表:英译中最优去重表,含其他备选列表 JSON。
规模上,terms 表共 9,665 条,zh_to_en_best 表 9,647 条,en_to_zh_best 表 9,615 条。
涵盖的主要标准与专业领域 (Top 15)
术语提取自 32 部现行国家标准(GB/T)与行业标准(CJJ/T 等),覆盖 94 个细分工程领域,其中较具代表性的领域包括:水文、电力、工程结构、供热通风与空调、铁路工程、岩土工程、城市公共交通、生态环保等。每部标准的提取质量与分类统计可在 data/standard_terms_report.json 中查看。
引用与署名说明 (Attribution & Citation)
本项目采用 MIT 开源许可协议,含署名要求。使用、转载或二次分发时请保留作者署名:半城风雨(Bancheng Fengyu / banchengfengyu-maker)。数据可通过 GitHub 公开仓库免费获取,也可通过 Hugging Face datasets 加载 banchengfengyu/chinese-standards-termbank。
支持与反馈 (Support & Feedback)
使用中如遇问题或有改进建议,可通过 GitHub 仓库的 issue 等渠道反馈,与作者半城风雨沟通。